虹膜识别系统的准确率与图像质量密切相关,劣质的图像会严重影响整个系统的识别率,虹膜图像质量评估的目的,就是筛选出这类图像,保证进入识别系统的图像是符合识别要求的高质量图像,进而起到提高整个系统识别率的效果。针对虹膜图像的质量评估研究起步较晚,虽然目前也取得了一些研究成果,但是还没有一种评估系统得到业界的广泛认可,因此,对虹膜图像质量评估方法进行研究是十分必要的。　　 论文的主要工作包括以下几个方面:　　 (1)通过对虹膜图像异常情况的分析,将异常图像归为三类:虹膜区域不完整、虹膜可见度低以及虹膜清晰度低,针对以上三种类型,提出以虹膜完整性、虹膜可见度和虹膜清晰度为指标,对图像进行质量评估。　　 (2)通过将国内外现有虹膜图像质量评估方法进行对比分析,在吸收前人优秀成果的基础上,提出了一种基于灰度特征的虹膜图像质量评估模型,用瞳孔位置检测虹膜完整性、用眼睑遮盖度和瞳孔缩放度检测虹膜可见度、用瞳孔边沿的平均高度检测虹膜清晰度。　　 (3)将基于感兴趣区的图像质量评估方法引入虹膜图像质量评估中,以瞳孔作为虹膜完整性检测的感兴趣区,以瞳孔上侧的一个矩形区域作为虹膜可见度检测的感兴趣区,以瞳孔以外、虹膜以内的圆环作为虹膜清晰度检测的感兴趣区。通过对感兴趣区进行分析,得到虹膜图像的质量评价指标。　　 (4)将本文提出的方法与Daugman经典方法用VC实现后在100幅图像样本上进行对比测试。实验结果表明本文的方法在速度和正确率方面都优于Daugman的方法,且基于灰度特征的方法速度略高于基于感兴趣区的方法,正确率略低于基于感兴趣区的方法。